Burnout Intervention Mechanisms for Online Learning Processes Enabled by Predictive Learning Analytics
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 145.00
-
69 273 Ft (65 975 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 6 927 Ft off)
- Kedvezményes ár 62 346 Ft (59 378 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
69 273 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Routledge
- Megjelenés dátuma 2025. szeptember 30.
- ISBN 9781041134084
- Kötéstípus Keménykötés
- Terjedelem216 oldal
- Méret 234x156 mm
- Súly 560 g
- Nyelv angol
- Illusztrációk 45 Illustrations, black & white; 45 Line drawings, black & white; 29 Tables, black & white 700
Kategóriák
Rövid leírás:
This title aims to fully demonstrate the burnout of students in online learning processes. The authors propose a series of feasible and reliable solutions to sufficiently obtain and analyze massive instances of online learning behavior.
TöbbHosszú leírás:
This book aims to fully demonstrate the burnout of learners in online learning processes. The authors propose a series of feasible and reliable solutions to sufficiently obtain and analyze massive instances of online learning behavior.
In order to flexibly perceive and intervene in the "burnout state" and improve online learning processes and learning effectiveness, the authors design and construct various novel data analysis models and decision prediction methods using technological means and data-driven learning strategies. Their innovative methods, techniques, and decisions would benefit autonomous learning behavior tracking and stimulate the learning interest of online learning processes enabled by predictive learning analytics. By employing behavioral science research strategies, they build adaptive prediction and optimization measures for positive online learning patterns, improve learning behaviors, optimize learning states, and establish dynamic and sustainable knowledge tracing paths and behavior scheduling methods, enabling users to achieve self-organization and self-mobilization in their overall learning processes.
The book will appeal to scholars and learners in Europe, North America, and Asia, especially those majoring in educational statistics and measurement, educational big data, learning analytics, educational psychology, artificial intelligence in education, computer science, and online collaborative learning.
TöbbTartalomjegyzék:
1. Introduction 2. Key Burnout Feature Selection and Association Prediction of Learning Behaviors 3. Learning Behavior Reasoning and Critical Path Fusion for Burnout Based on Multi-entity Association 4. Predicting Burnout States and Guiding Learning Behaviors Driven by Knowledge Graph Propagation 5. Adaptive Positioning of Temporal Intervals for Key Interventions and Burnout Tracking 6. Risk Prediction and Early Warning Routing Formation of Burnout State Propagation 7. Positive Guidance of Learning Behaviors Based on Effective Burnout Intervention 8. Conclusion
Több
